python 调用 tensorflow,C++与python 相互调用-- c++调用tensorflow教程

目前深度学习越来越火,学习、使用tensorflow的相关工作者也越来越多。但是目前绝大部分的python都是拥有着丰富的python的API,而c++的API不够完善。这就导致绝大多是使用tensorflow的项目都是基于python。

如果项目是由c++编写,想调用python下的tensorflow?可参考本教程(tensorflow模型是CNN卷积神经网络):

具体步骤:

1.python环境

首先安装python,可以在Anaconda官网直接下载。记住python一定选择64bit,目前tensorflow不支持32位的python,这也是我之前被坑过的地方。下载Anaconda后直接

bash Anaconda3-4.3.1-Linux-x86_64.sh

1

就可以安装,然后

gedit ~/.bashrc

1

在最后面加上

export PATH=//bin:$PATH

1

将python安装路径添加到系统路径中,这样在终端敲python后会运行安装的python3.6,如下图所示,代表安装成功:

1ed496fea1b3d9e24c95427e7e4f6faa.png

2.tensorflow

直接终端输入:

pip install tensorflow

1

就会自动帮你安装到python下。

如果出现类似“没有找到匹配版本”(或者红色英文提示),那么你可能装的是python32bit版本,暂时不支持tensorflow!

安装成功后在终端如下操作:

b393ba085cf0970150197922f58a7007.png 

显示tensorflow版本,表示安装成功!

3.C++Demo

一个简单的c++调取python+tensorflow的demo,按照实际需要可以依葫芦画瓢。

#include

#include

int main(int argc, char** argv)

{

char* picpath ="/home/pdd/PD/c++/c++python/pic/0.0.jpg";

Py_Initialize();

if ( !Py_IsInitialized() ) {

return -1;

}

PyRun_SimpleString("import sys");

PyRun_SimpleString("sys.path.append('./')");

PyObject* pMod = NULL;

PyObject* pFunc = NULL;

PyObject* pParm = NULL;

PyObject* pRetVal = NULL;

int iRetVal = -999;

char* modulName="classify"; //这个是被调用的py文件模块名字

pMod = PyImport_ImportModule(modulName);

if(!pMod)

{

return -1;

}

char* funcName="evaluate"; //这是此py文件模块中被调用的函数名字

pFunc = PyObject_GetAttrString(pMod, funcName);

if(!pFunc)

{

return -2;

}

pParm = PyTuple_New(1);

PyTuple_SetItem(pParm, 0, Py_BuildValue("s",picpath));//传入的参数,是图片的路径

pRetVal = PyEval_CallObject(pFunc, pParm);//这里开始执行py脚本

PyArg_Parse(pRetVal, "i", &iRetVal);//py脚本返回值给iRetVal

//PyErr_Print();

std::cout<

return iRetVal;

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

4.tensorflow的python脚本

默认你已经写好tensorflow的python脚本,并能跑成功。(tensorflow的使用不是本文重点)

c++需要调用的就是这个classify.py里面的evaluate函数,传入图片路径,返回分类结果给c++程序。

from PIL import Image

import numpy as np

import tensorflow as tf

def evaluate(pic):

image = Image.open(pic)

image = image.resize([256, 256])

image_array = np.array(image)

with tf.Graph().as_default():

里面就是对图像读取模型,预测,得到prediction……

max_index = np.argmax(prediction)

return max_index

1

2

3

4

5

6

7

8

9

10

11

12

5.c++调用python脚本的环境

这时候需要写一个简单的makefile加入需要的依赖环境。例如c++代码第一行的Python.h和相关的库文件。

简单的makefile如下:

main:c++python.cpp

g++ -o out c++python.cpp -I/home/pdd/anaconda3/include/python3.6m -lpython3.6m -L /home/pdd/anaconda3/lib

clean:

rm -rf *.o

1

2

3

4

5

-I后面的/home/pdd/anaconda3/include/python3.6m有需要的Python.h;-lpython3.6m链接到需要的libpython3.6m.so;-L指出链接的路径。

终端输入make。如果提示需要什么libpython3.6m..so,就把/home/pdd/anaconda3/lib下的libpython3.6m..so复制到/usr/lib/下(sudo cp ——–)

此时再次输入make,一切ok!得到out文件,输入./out,结果如下:

fe6f59fb455421632b253dfd2676d8e2.png 得到结果0。任务完成!

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值